Document Type : علمی - پژوهشی


  1. آرخی، ص.، نیازی، ی.، 1389، بررسی کاربرد تخمین فرسایش خاک و بار رسوب با استفاده از مدل RUSLE (مطالعة موردی: حوضة بالادست سد ایلام)، پژوهش‌های حفاظت آب و خاک، جلد هفتم، شمارة 2، صص 27-1.
  2. اقدامی‌راد، س.، 1383، بررسی تأثیر سیگنال‌های هواشناسی بر بارش و رواناب حوضه آبریز کارون و دز، پایان‌نامه کارشناسی ارشد، دانشگاه تهران.
  3. حسینخانی، ح.، 1392، ارزیابی خطر فرسایش و پتانسیل رسوبدهی حوضة آبریز سد شهریار میانه با استفاده از تکنیک‌های GIS و مدل EPM، زمین‌شناسی ایران، سال هفتم، شمارة 26، صص 96-87.
  4. حق‌نگهدار، ا.، 1382، تأثیر سیگنال‌های هواشناسی در اصلاح پیش‌بینی جریانات رودخانه‌ای، رسالة کارشناسی ارشد، دانشگاه تهران.
  5. دهقان، ز.، فتحیان، ف.، اسلامیان، س.، 1394، ارزیابی مقایسه‌ای مدل‌های SDSM، IDW، LARS-WG برای شبیه‌سازی و ریز‌مقیاس‌کردن دما، آب و خاک (علوم و صنایع کشاورزی)، جلد 29، شمارة 5، صص 1390-1376.
  6. رضوی‌زاده، س.، کاویان، ع.، وفاخواه، م.، 1393، تخمین دبی بار معلق رسوب با استفاده از بهترین ساختار شبکة عصبی مصنوعی در حوضة آبخیز طالقان، علوم و فنون کشاورزی و منابع طبیعی، سال هجدهم، شمارة 68، صص 88-79.
  7. ساداتی‌نژاد، ج.، شکاری، م.ر.، ولی، ع.، 1395، پیش‌بینی بارش ماهانه با استفاده از شاخص‌های اقلیمی پیوند از دور با استفاده از شبکة عصبی مصنوعی و مدل آماری (مطالعة موردی: ایستگاه‌های هم‌جوار ششده و قره‌بلاغ)، اکوهیدرولوژی، دورة سوم، شمارة 3، صص 403-391.
  8. علیزاده، ا.، 1389، اصول هیدرولوژی کاربردی، انتشارات دانشگاه امام رضا (ع)، مشهد.
  9. فرخ‌‌زاده، ب.، ایلدرمی، ع.، عطاییان، ب.، نوروزی، م.، 1394، ارزیابی تأثیر تغییر کاربری اراضی در میزان بار معلق با استفاده از مدل SWAT (مطالعة موردی: حوضة آبخیز یلفان – استان همدان)، پژوهش‌های فرسایش محیطی، سال نوزدهم، شمارة 3، صص 46-28.
  10. فلامکی، ا.، اسکندری، م.، بغلانی، ع.، احمدی، س.ا.، 1392، مدلسازی بار رسوب کل رودخانه‌ها با استفاده از شبکه‌های عصبی و مصنوعی، حفاظت منابع آب و خاک، سال دوم، شمارة 3، صص 24-13.
  11. کارآموز، م.، عراقی‌نژاد، ش.، 1384، هیدرولوژی پیشرفته، انتشارات دانشگاه صنعتی امیرکبیر تهران.
  12. گلشن، م.، 1392، پیش‌بینی دبی جریان و تولید رسوب با استفاده از مدل SWAT در حوضة آبخیز هراز استان مازندران، رسالة کارشناسی ارشد، دانشگاه علوم کشاورزی و منابع طبیعی ساری.
  13. یزدان‌پناه، ع.، 1385، پیش‌بینی بارش‌های موسمی متأثر از مانسون: مطالعة موردی منطقة جنوب‌شرق ایران، رسالة کارشناسی ارشد، دانشگاه صنعتی امیرکبیر تهران.
  14. Hejazizadeh, Z., Fattahi, A., Salighe, M. & Arsalani, F., 2013, The Effect of Climatic Signals on Precipitation in Central Part of Iran Using Artificial Neural Network, Research Applied Geographical Sciences, No. 13, PP. 75-89.
  15. Moghaddamnia, A., Gousheh, M.G., Piri, J., Amin, S. & Han, D., 2009, Evaporation Estimation Using Artificial Neural Networks and Adaptive Neuro- Fuzzy Inference System Techniques, Advances in Water Resources, No. 31, PP. 88-97.
  16. Olive, L.J. & Reiger, W.A., 1992, Stream Suspended Sediment Transport Monitoring – Why How and What IS Being Measured?, IAHS Public, No. 210, PP. 245-254.
  17. Sharma, S., Srivastava, P., Fang, X. & Kalin, L., 2016, Hydrologic Simulation Approach for El Nio Southern Oscillation (ENSO)-Affected Watershed with Limited Raingauge Stations, Hydrological Sciences Journal, No. 25, PP. 991-1000.
  18. Silverman, D. & Dracup, JA., 2000, Artificial Neural Networks and Long-Range Precipitation Prediction in California, Journal of applied meteorology, No. 39(1), PP. 57-66.
  19. Walling, D.E., 1994, Measuring Sediment Yield from River Basins, Soil Erosion Research Methods, Soil and Water Conservation Society, PP. 39-83